公开(公告)号：CN119474875A

公开(公告)日：2025-02-18

申请号：CN202411626662.X

申请日：2024-11-14

Applicant: 北京信息科技大学

Inventor： 米洁 ,  毛荣珍 ,  甄真 ,  张健

IPC: G06F18/214 ,  G01M13/00 ,  G01M13/021 ,  G01M13/04 ,  G01M13/045 ,  G06F17/18

Abstract: 本发明涉及数据处理领域，公开了一种机械复合故障数据增强方法、系统、介质及设备，其包括：获取各种单一故障数据，并设置狄利克雷分布的参数α，以控制狄利克雷分布的形状；在参数α的控制下，通过狄利克雷分布对各单一故障数据的混合系数分布进行采样，以生成各单一故障数据的混合系数βi；确定满足设定条件的混合系数βi，将各种单一故障数据根据确定的混合系数βi进行叠加混合，形成模拟复合故障数据。本发明解决了复合故障数据难于获取的难题，同时降低了获取复合故障数据的成本。

公开(公告)号：CN118820898A

公开(公告)日：2024-10-22

申请号：CN202410947586.6

申请日：2024-07-16

Applicant: 北京信息科技大学

Inventor： 米洁 ,  张健 ,  甄真 ,  周海龙

IPC: G06F18/241 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及机械故障诊断领域，公开了一种基于深度学习的多源数据融合的方法、系统及存储介质，包括：将获取的多个传感器采集的设备运行状态信息进行预处理后，得到多源数据；对每个数据源进行特征提取，并确定每个数据源中提取的特征的重要程度，并进行多源融合；融合后的数据经卷积网络进行故障特征提取，由提取到的故障特征进行设备故障诊断分类。本发明能充分利用多传感器采集到的机械设备运行状态信息，降低计算和内存的需求，提高机械故障诊断的精度。

公开(公告)号：CN118820897A

公开(公告)日：2024-10-22

申请号：CN202410947538.7

申请日：2024-07-16

Applicant: 北京信息科技大学

Inventor： 米洁 ,  张健 ,  甄真 ,  毛荣珍

IPC: G06F18/241 ,  G06F18/10 ,  G06F18/213 ,  G06N3/048 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及机械故障诊断领域，公开了一种基于多输出的深度神经网络复合故障诊断方法及系统，其包括：将传感器采集到的设备状态数据经过预处理后，传输至深度神经网络，进行故障特征提取；通过全局平均/或最大池化对提取到的特征图进行平均/或最大池化，将特征图转化为用于表征设备运行状态的全局特征；将全局特征进行复合故障分解及诊断，以使经全连接层后的每个输出对应一个机械设备的单故障类型。本发明的能提高模型训练的效率，降低对复合故障数据的需求，以实现能应用于实际中的复合故障诊断。